基于通用时空聚类的非局部公式用于分隔性储层多尺度建模
机器学习
2019-11-21 v1 统计方法学
摘要
将储层表示为具有相邻与非相邻连接的离散隔舱网络,是一种快速且准确的油气储层分析方法。自动快速检测具有不同静态与动态特性的粗尺度隔舱,是此类高层次储层分析的组成部分。本文提出一种针对储层分析的混合框架,利用时空场数据自动进行空间聚类检测,并结合基于物理的多尺度建模方法。本工作提出了一种新颖的混合方法,将基于物理的非局部建模框架与数据驱动的聚类技术相耦合,以提供快速准确的分隔性储层多尺度建模。该研究还呈现了关于储层研究应用中时空聚类的全面工作,充分考虑了聚类复杂性、数据固有的稀疏与噪声特性,以及结果的可解释性,从而丰富了相关文献。关键词:人工智能;机器学习;时空聚类;基于物理的数据驱动公式;多尺度建模
引用
@article{arxiv.1904.13236,
title = {A General Spatio-Temporal Clustering-Based Non-local Formulation for Multiscale Modeling of Compartmentalized Reservoirs},
author = {Soheil Esmaeilzadeh and Amir Salehi and Gill Hetz and Feyisayo Olalotiti-lawal and Hamed Darabi and David Castineira},
journal= {arXiv preprint arXiv:1904.13236},
year = {2019}
}